ANÁLISE DE VARIÂNCIA

MEDIDAS REPETIDAS

ANOVA MEDIDAS REPETIDAS

Assim como nas ANOVAS anteriores, o objetivo da ANOVA – MR continua sendo comparar médias.

Entretanto, o escore a ser comparado não é entre diferentes grupos, mas sim de um único grupo comparado com si próprio.

• Condições diferentes
• Momentos diferentes

ANOVA MEDIDAS REPETIDAS

ANOVA MEDIDAS REPETIDAS

Mesmas amostras (Condições diferentes)

ANOVA MEDIDAS REPETIDAS

Pressuposto de normalidade (S-K, K-W);

Pressuposto de homogeneidade (Levene);

Esfericidade (Com três ou mais condições/tempo) (Mauchly);

Distribuição normal dos resíduos.

Novo pressuposto: Esfericidade** **(Com três ou mais condições/tempo)

- Teste de esfericidade de Mauchly
  - Avalia a igualdade da diferença das variâncias entre os diferentes tempos ou condições
    - *p** *< 0,05 (Esfericidade não assumida)
    - *p** *> 0,05 (Esfericidade assumida) Isso que você deve esperar

ANOVA MEDIDAS REPETIDAS

Correções ao pressuposto da esfericidade

• Greenhouse–Geisser: Esfericidade < 0.75
• Huynh–Feldt Esfericidade > 0.75 ANOVA MEDIDAS REPETIDAS

Importante:

Normalidade dos resíduos

Não se refere mais à distribuição da variável, mas sim, dos** **resíduos (i.e., variância não explicada pelo modelo);

ANOVA MEDIDAS REPETIDAS

Expected Maximization (Maximização Esperada):

Os dados de todos os respondentes são utilizados para tentar estimar a melhor resposta do sujeito aos dados faltantes;

O processo se incia com a média dos itens e com o padrão de covariância das variáveis.

É gerado o primeiro banco sem missing;

Com esse novo banco completo, um novo processo é feito, buscando substituir novamente os valores que anteriormente tinham missing;

É repetido “N” vezes, até que não haja mais diferenças estatisticamente significativas.

MISSING

Substituição pela média

A média dos itens permanece a mesma

Aumenta o poder da amostra

Desvantagem:

• Ignora completamente o sujeito, e não leva em consideração o seu próprio padrão de resposta
• É um método “completamente fake”. MISSING

Multiple Imputation (Imputação Múltipla):

• Considerado um avanço no método da Maximização esperada, porque, gera erros-padrões e intervalos de confiança para imputações realizadas; Ao invés de um único banco, são gerados vários bancos de dados imputados

MISSING